【正文】 的差異是由于車速浮動或者數(shù)據(jù)傳輸延時造成的，在容錯范圍之內(nèi)，智能車輛不再重復發(fā)布。否則，車輛將向駕駛員傳達新的建議行駛信息。 策略計算模型 車輛執(zhí)行模型當智能車輛接收到引導結(jié)果后，綜合考慮系統(tǒng)工作的經(jīng)濟成本、駕駛員行為的靈活性和舒適性、車輛行駛的安全性，對引導結(jié)果進行篩選和分析，可將車輛對引導結(jié)果的反應以及傳達給駕駛員的情況分為以下三類。由于引導結(jié)果中的非引導通過并不發(fā)送給智能車輛，因此以下智能車輛反應結(jié)果的總和應與系統(tǒng)前三種引導結(jié)果的總量相等。 車輛反應216。 反應結(jié)果一 引導成功智能車輛執(zhí)行系統(tǒng)傳輸?shù)臄?shù)據(jù)包中的引導結(jié)果并通過車載視頻音頻設(shè)備反饋給駕駛員，駕駛員完全遵從智能車速引導，在未停車的前提下，完成所在路段的行駛并通過交叉口停車線，引導結(jié)束。216。 反應結(jié)果二 引導保持車輛內(nèi)部處理系統(tǒng)比較上一次引導結(jié)果和本次接受到的引導結(jié)果，若引導車速相差不超過5km/h且車輛在前后兩次引導結(jié)果更新的時間段內(nèi)沒有通過交叉口，則認為計算結(jié)果的差異是由于車速浮動或者數(shù)據(jù)傳輸延時造成的，在容錯范圍之內(nèi)。智能車輛不對上次向駕駛員發(fā)布的駕駛引導策略進行更新，保障駕駛員不會因為頻繁策略調(diào)整而產(chǎn)生厭煩情緒。216。 反應結(jié)果三 引導放棄在以下三種情況下，車載設(shè)備取消該次引導的車速提示，并提醒駕駛員小心自主駕駛：Case 1：接受引導的智能車輛個體行為。駕駛員人為主動停止遵循引導策略或車輛由于駕駛員的意志改變預定的行駛路徑，離開干道的直行車道，進入轉(zhuǎn)向?qū)Ｓ密嚨?、與干道相交的其他道路、干道的輔道或干道沿線出入口，在該引導路段系統(tǒng)會放棄引導；Case 2：接受引導的智能車輛與非智能車輛的交互。由于系統(tǒng)無法獲取非智能車輛的運行軌跡，接受引導的智能車輛在行駛過程中，可能會遇到低速行駛的非智能車輛的阻礙，在無法實現(xiàn)超車的交通條件下，當與非智能車輛的車頭時距小于安全車頭時距，這里設(shè)置為2s，放棄該次引導；Case 3：接受引導的智能車輛人為減速運行或停止運行。當車速引導系統(tǒng)檢測到智能車輛駕駛員人為不接受引導建議超過一定閾值時，系統(tǒng)會放棄引導。 仿真評價系統(tǒng)的結(jié)構(gòu)與實現(xiàn) 仿真環(huán)境以VISSIM ，并基于其提供的VISSIM. COM端口，在Visual Studio 2008的編程環(huán)境下，利用VB編程語言完成仿真評價系統(tǒng)功能的實現(xiàn)。下面對這幾種使用工具做簡要介紹。 VISSIMVISSIM是由德國PTV公司開發(fā)的微觀交通流仿真系統(tǒng)，該系統(tǒng)是一個離散的、隨機的、以十分之一秒為時間步長的微觀仿真軟件[98]。交通流仿真一般應包括3個方面，即：仿真車輛的選擇、仿真交通流模型、仿真評價結(jié)果。VISSIM的交通流仿真主要從以下3個方面來實現(xiàn)。首先，VISSIM中有豐富的車輛類型（小汽車、貨車、大型客車、電動車、自行車、行人）還可以對現(xiàn)有車輛類型進行修改和添加，可以對復雜地區(qū)的交通流各個類型分別進行參數(shù)設(shè)定。其次，VISSIM描述交通行為采用Wiedemann的基于駕駛員生理和心理過程的行為跟馳模型，能夠較為準確的模仿交通參與者的行為。最后VISSIM提供了多種類型的評價功能，可以對選定路段進行行程時間、延誤時間、排隊長度等進行計算，生成相應的評價數(shù)據(jù)輸出文件，并且能對仿真結(jié)果進行全面分析和有效展示?；谏鲜鰞?yōu)點，本文選用VISSIM作為交通仿真工具。 [99]。有時候，項目要求對運行前后或大量方案進行廣泛調(diào)查，在這種情況下，VISSIM應用于其它應用程序，作為一個進行交通規(guī)劃計算的工具框。模型的數(shù)據(jù)和仿真能夠通過COM界面得到，這時VISSIM類似于自動服務(wù)器，能夠?qū)С鲈撐募忻枋龅膶ο蟆⒎椒ê吞卣鲗傩浴?Automation，用戶能夠應用所有的RAD(Rapid Application Development)的工具，腳本語言可以采用Visual Basic或Java，編程環(huán)境可以使Visual C++或Visual J++。因此可以通過COM端口的方式，獲得仿真過程中的路段信息，車輛信息和信號燈信息，在VB進行計算計算后，獲得相應的調(diào)整信息，并且在仿真過程中體現(xiàn)出來。 Visual Basic語言演變而來的，是一種為高效地生成類型安全和面向?qū)ο蟮膽贸绦蚨O(shè)計的語言。Visual Basic允許開發(fā)人員開發(fā)面向Windows、Web和移動設(shè)備的程序。 Framework的語言一樣，使用Visual Basic編寫的程序都具有安全性和語言互操作性方面的優(yōu)點。，通過代碼編程方式，對VISSIM相關(guān)參數(shù)進行調(diào)整，方針進行時對車輛，信號燈信息進行處理，并通過可視化界面展示相應調(diào)整。研究開發(fā)的IntelliDrive仿真結(jié)構(gòu)包括四個功能模塊：①IntelliDrive通訊模塊；②微觀交通模塊；③策略應用模塊；④數(shù)據(jù)庫模塊。 仿真結(jié)構(gòu) IntelliDrive通訊模塊該模塊的設(shè)計參考SAEJ2735標準的描述[100]及Tanikella, , [101]，負責模擬車載單元和路邊單元在IntelliDrive環(huán)境下的工作行為，共計四種任務(wù)。 車載單元的上傳任務(wù)該任務(wù)的目的是按照預設(shè)置的車載單元數(shù)據(jù)快照生成和上傳規(guī)則，動態(tài)抽取交通微觀仿真模塊中的車輛數(shù)據(jù)，定時生成周期快照并將其上傳至路邊單元，為策略應用模塊的運行收集數(shù)據(jù)。顯然，從時間軸上看，通過上傳任務(wù)的車輛數(shù)據(jù)并非是仿真器中連續(xù)的車輛數(shù)據(jù)。DSRC協(xié)議中數(shù)據(jù)快照雖然可以提供非常豐富的數(shù)據(jù)，但其中很多參數(shù)難以在仿真模型中建模且對引導策略影響相對較小，考慮到開發(fā)成本，因此不將其列入上傳數(shù)據(jù)之中。由于本文的仿真結(jié)構(gòu)主要是以評價引導策略為目的，因此對實際的數(shù)據(jù)快照生成和上傳規(guī)則予以簡化?，F(xiàn)階段選擇不受車速影響的定周期生成周期性車輛數(shù)據(jù)快照，周期設(shè)置為4s。而啟動/停止數(shù)據(jù)快照是按照引導策略的需求，5s內(nèi)不移動則視為車輛停止。且不考慮每次上傳中由于緩存限制容量帶來的數(shù)據(jù)快照丟失情況，這樣的設(shè)定將利于引導策略功能的發(fā)揮。 路邊單元的處理任務(wù)該任務(wù)的目的是過濾車載單元傳遞來的快照中的車輛數(shù)據(jù)，作為策略計算模型的輸入。其仿真意義是模塊保留距離系統(tǒng)工作更新時刻最近的車輛數(shù)據(jù)，合成引導策略的輸入變量表單，交付引導策略應用程序模塊。輸入表單的參數(shù)主要包括車載單元ID、即將通過的交叉口ID、路段號、車道號、路段坐標、當前車速、期望車速、當前時刻、縱向加速度、車型、最高限制車速、最低限制車速。其中車型參數(shù)在現(xiàn)實的DSRC協(xié)議中并不存在，而研究中為了對期望車速、縱向加速度、最高限制速度等參數(shù)進行取值，故采用車型概念對以上參數(shù)進行連續(xù)變量的離散化處理，將其表達為車型的函數(shù)形式。 路邊單元的發(fā)布任務(wù)該任務(wù)是在每一個更新間隔，接受策略計算模型生成的引導策略，并將系其通過路邊單元發(fā)布給車載單元。其仿真意義是與車載單元的反應任務(wù)協(xié)同作用，接受引導策略模塊生成的數(shù)據(jù)，并使其對交通微觀仿真模塊生效。通過將引導車速賦值給車輛的期望車速實現(xiàn)對車輛行駛狀態(tài)的控制。因為在商業(yè)的交通仿真器中，一般而言，改變期望車速，不會消除車輛的換道、減速等行為，較之直接影響車速，可以使引導策略的執(zhí)行更加靈活，也使仿真模型為真實可信。發(fā)布任務(wù)的數(shù)據(jù)表單包含的參數(shù)與現(xiàn)實中系統(tǒng)對智能車輛進行車速引導需要發(fā)送的數(shù)據(jù)一一對應，包括車輛ID、車輛的目標交叉口編號、引導速度、引導時刻、引導距離、引導結(jié)果類型。 車載單元的反應任務(wù)該任務(wù)是在每一個速度導行間隔內(nèi)，將當前車輛接收的引導建議傳送給車輛執(zhí)行模型。模塊保存了上一次引導成功的引導結(jié)果數(shù)據(jù)，與本次從發(fā)布任務(wù)中獲得的進行對比，完成對引導策略的初判斷。在后續(xù)行駛判斷中，交通流的OD矩陣是根據(jù)既有數(shù)據(jù)反推得出，目前并沒有針對智能車輛駕駛員可能出現(xiàn)的臨時改變行駛路徑的行為進行建模，因此車載單元的引導放棄結(jié)果中的第一種可能暫時沒有在模型中體現(xiàn)。而其余兩種可能則是通過模塊內(nèi)無延誤的數(shù)據(jù)獲取進行判斷。車載單元處理任務(wù)的數(shù)據(jù)表單包含的參數(shù)包括車載單元對引導策略的反應結(jié)果、車輛換道和停駛的記錄以及車輛通過交叉口停車線的記錄，包括車輛ID、記錄時刻、記錄類型（換道、停駛或者通過）、目標交叉口編號、車輛本身和前車（可以是智能車輛或非智能車輛）的所在路段編號、車道編號、路段坐標。該模塊通過與數(shù)據(jù)庫模塊對接以存儲其四種任務(wù)輸出結(jié)果的歷史記錄。在車輛單元的上傳任務(wù)和路邊單元的處理任務(wù)中，數(shù)據(jù)快照和處理后的變量表單將被記錄在與IntelliDrive通訊模塊的外部程序相連接的Access中用以仿真后的統(tǒng)計分析。而其他兩種任務(wù)由于數(shù)據(jù)量相對較少，可以作為兩張工作簿在仿真運行時寫入Excel，而其中以車輛ID和即將通過的交叉口ID作為關(guān)鍵列，合并成為一張記錄所有車載單元接收引導指令過濾直至完成或者放棄的工作簿。 微觀交通模塊該模塊主要模擬DSG環(huán)境下交通流運行行為。本研究中應用的是成熟的商業(yè)化交通仿真軟件VISSIM ，它使用了包含跟車和車道變換邏輯的微觀交通流模擬模型及各種信號控制模型，擁有便于與外部程序連接的API接口。經(jīng)過標定的VISSIM模型能夠反應混合交通流環(huán)境下的交通運行特征，在全世界已得到了廣泛的應用[98]。通過VISSIM的COM接口，外部程序可以通過微觀交通仿真模塊實時提取交通流運行數(shù)據(jù)，通過通訊模塊傳輸給策略應用模塊，DSG運算后的結(jié)果可以動態(tài)調(diào)整智能車輛的行駛行為。由此，仿真模塊可以完全的整合在DSG仿真系統(tǒng)中。車流輸入是通過根據(jù)既有交通量統(tǒng)計，反推建立干道沿線的OD矩陣，由于干道沿線的交通生成點和吸引點量不會過大，可以實現(xiàn)對現(xiàn)實交通OD矩陣的精確復制。在仿真場景的選擇中，研究推薦采用使路段交通維持在自由流或者同步流水平的OD量，以更清晰地說明車速引導策略的作用。跟馳模型采用VISSIM內(nèi)嵌的Wiedemann99模型，由于仿真中通過期望速度的改變來模擬現(xiàn)實中引導策略對駕駛行為的影響，現(xiàn)階段認為該跟車模型經(jīng)過標定過程后，能夠反應駕駛員在策略輔助下的對周圍車流的反應。信號控制上采用了干線協(xié)調(diào)控制對各交叉口信號進行配時，以作為車速引導策略實施的基礎(chǔ)和背景。 策略應用模塊策略應用模塊的作用是通過讀取微觀交通模塊的路網(wǎng)拓撲、信號控制等數(shù)據(jù)，同時接收IntelliDrive通訊模塊傳來的車載單元的反應任務(wù)的結(jié)果數(shù)據(jù)，按照自身內(nèi)部仿真時鐘觸發(fā)DSG策略計算模型，策略計算模型的結(jié)果返回給IntelliDrive通訊模塊發(fā)布給個智能車輛。在車輛接收到引導建議后，系統(tǒng)執(zhí)行模型實時監(jiān)控智能車輛的時空運動特征，如果引導可保持，可每個智能車輛的運動由策略應用模塊控制；如果引導放棄，則所有車輛的運動交由VISSIM模型控制。策略應用模塊控制智能車輛的運動是在VISSIM模型二次開發(fā)接口的基礎(chǔ)上實現(xiàn)的，即在仿真中通過將建議車速賦值給車輛的期望車速進行實現(xiàn)。一般而言，改變期望車速，不會消除車輛的換道、減速等行為，較之直接改變車輛的行駛速度，賦予期望車速更為符合現(xiàn)實交通場景。由策略應用模塊保存到數(shù)據(jù)庫的數(shù)據(jù)表單中的參數(shù)除了包括路邊單元的發(fā)布任務(wù)表單和車載單元的處理任務(wù)表單中的作為引導結(jié)果展現(xiàn)的參數(shù)外，還包括引導策略計算的中間變量，這些變量的儲存有助于對引導策略運行情況的分析。僅在策略中間計算出現(xiàn)不參與發(fā)布引導的參數(shù)包括在引導計算時刻車輛目前所處的路段編號、車道編號、仿真坐標、仿真時刻、當前車速、當前期望車速、按照最高速度運行預計車輛可以達到目標交叉口的最早可能到達時刻、按照當前車速運行預計車輛可以到達目標交叉口的現(xiàn)速可能到達時刻、目標交叉口綠燈起亮時間、目標交叉口綠燈結(jié)束時間、受引導的前車ID、受引導的前車離開停車線時刻、和車輛類型以及仿真中認為的以類型為自變量的車輛加速度現(xiàn)值、車輛減速度現(xiàn)值、車輛長度。策略應用模塊中對遴選過程和排序過程的模擬與實際中的運行原理大致相同。在更新時刻，對沿干道方向行駛的智能車輛生成一個以目標交叉口、車道為索引的三維數(shù)組。判斷是否為智能車輛，是通過一個簡單的隨機數(shù)原理按照預設(shè)的智能車輛比例分配給仿真中的車輛。判斷路徑則是通過仿真中靜態(tài)的行駛路徑?jīng)Q策。而生成過程中，策略應用模塊的計算邏輯與引導策略的抽象邏輯略有不同，這樣的設(shè)計是為了更好的符合計算機工作，而不會對計算結(jié)果造成偏差。第一步，計算按照最高速度運行預計車輛可以達到目標交叉口的最早可能到達時刻和按照當前車速運行預計車輛可以到達目標交叉口的現(xiàn)速可能到達時刻。第二步，判斷該車輛ID是否是同一目標交叉口、同一車道數(shù)組序號為0，如果是則轉(zhuǎn)入第五步直接判斷上一步計算結(jié)果與車輛對應目標交叉口綠燈起亮時間和結(jié)束時間的關(guān)系；如果不是，則轉(zhuǎn)入第三步和第四步。第三步，獲取經(jīng)過引導計算的智能車輛前車的抵達交叉口停車線時間，如果前車接受引導，即引導結(jié)果為高速通過、加速通過或者減速通過，則以車長和附加安全距離10m之和與車輛抵達交叉口時的可能速度結(jié)合計算應保持的車頭時距；如果前車的引導結(jié)果是非引導通過，車輛將會經(jīng)歷停車后啟動再通過停車線，則以車長和附加安全距離5m之和與車輛啟動時加速度結(jié)合計算應保持的車頭時距。附加安全距離的確定是可通過多次仿真觀察得出適合車流情況的近似值。第四步，如果計算得到的前車抵達停車線時間和應保持的車頭時距之大于綠燈起亮時間且小于綠燈結(jié)束時間，則以該時刻替代綠燈起亮時間、綠燈結(jié)束時間不變；如果小于綠燈起亮時間，則綠燈起亮時間和結(jié)束時間均不變；如果大于綠燈結(jié)束時間，則綠燈起亮時間和綠燈結(jié)束時間均變?yōu)橄乱恢芷诘膶獣r刻，然后繼續(xù)判斷新的綠燈起亮時間和結(jié)束時間與第三步獲得值之間的關(guān)系，直到該值小于綠燈結(jié)束時間。第五步，如果第一步計算得到的最早可能到達時間小于綠燈起亮時間，則綠燈起亮時間為引導時間，比較現(xiàn)速可能到達時間與綠燈起亮時間，若大于，通過引導時間和加速度現(xiàn)值計算引導車速，生成加速通過策略，若小于，計算引導車速，與最低限制車速比較后確定生成減速通過或者非引導通過策略；如果最早可能到達時間大于綠燈起亮時間，且小于綠燈結(jié)束時間，則最早可能到達時間為引導時間，最高限制車速為引導車速，生成高速通過策略；如果最早可能到達時間大于綠燈結(jié)束時間，則下一周期的綠燈起亮時間為引導時間，比較現(xiàn)速可能到達時間與綠燈起亮時間，若大于，通過引導時間和加速度現(xiàn)值計算引導車速，生成加速通過策略，若小于，計算引導車速，與最低限制車速比較后確定生成減速通